One important part of inertial navigation is the estimation of the direction relative to the Earth’s geographic North Pole, the so called heading. In this project, a gyroscope and an accelerometer were used together in an Extended Kalman Filter with a quaternion as the state space variable, representing the attitude. Given the attitude of the system, measurements from a magnetometer were rotated to a horizontal coordinate frame in order to calculate the direction toward Earth’s magnetic North Pole. Comparing this direction with the angle toward the Geographic North Pole given by a GPS, the local magnetic declination was estimated with the purpose of correcting the heading in the future. Different methods for detecting disturbances on the magnetometer in order to automatically decide when it is to be trusted was discussed and evaluated. Routines for easily performing sensor calibration was created. The outcome of the project was a well working attitude estimation, simply performed calibration routines and a set of methods working together to detect magnetometer disturbances. / En viktig del av ett tröghetsnavigeringssystem är skattningen av riktningen relativt jordens geografiska nordpol, den så kallade bäringen. I detta projekt användes ett gyroskop och en accelerometer tillsammans i ett Extended Kalman filter med en quaternion som tillståndsvariabel för att representera attityden. Givet systemets attityd roterades mätningar från en magnetometer till ett horisontellt koordinatsystem för att beräkna riktningen mot magnetiska nordpolen. Genom att jämföra denna riktning med vinkeln mot geografiska nordpolen kunde den lokala magnetiska deklinationen skattas för att sedan användas i framtiden för att korrigera bäringen. Olika metoder för att detektera störningar på magnetometern för att automatiskt bestämma när den är störd diskuteras och utvärderas. Rutiner för att enkelt kalibrera sensorerna skapades. Projektets resultat var en väl fungerande attitydestimering, enkla kalibreringsmetoder samt ett par metoder för att detektera störningar på magnetometern.

This thesis project considers the potential use of inertial navigation on a consumer grade tablet mounted in a vehicle in an underground mine. The goal is to identify which sensors and techniques are useful and to design a navigation algorithm based on those results. The navigation algorithm is intended to work alongside the current received signal strength indication (RSSI) positioning system. Testing of the gyroscope, accelerometer and magnetometer sensors suggest that, while dead reckoning is likely not precise enough, an orientation filter can be designed that can be used for navigation. A complementary orientation filter using the gyroscope and accelerometer is then designed that shows better results than the default sensor fusion solutions available in Android. The filter is expandable and can come to include magnetometer data in the future. Based on the outputs of this filter, a navigation algorithm based onangle matching with map information is proposed. Precise positioning in an underground mine can be crucial to employee safety, and may also bring production benefits.

<p>Rotundus AB är ett världsledande företag inom området för sfäriska robotar som håller på att utveckla den markbundna farkosten GroundBot(tm). För att detektera robotens translations- och rotationsrörelser används accelerometrar och hastighetsgyron. Dessutom används sensorerna för tröghetsnavigering när GPS-täckning saknas.</p><p>Målet med projektet innebär att ta fram en metod för att utvärdera precisionen hos sensorer för robotens tröghetsnavigeringsenhet. Metoden koncentrerar sig på fyra av sensorernas felkällor: Skalfaktor, bias, slumpvandring och biasinstabilitet.</p><p>För att beräkna skalfaktorn och biasen används linjära minsta kvadratmetoden där utsignalen från sensorn anpassas mot ett teoretiskt värde. Slumpvandringen och biasinstabiliteten utvärderas med Allans varians.</p>

Rotundus AB är ett världsledande företag inom området för sfäriska robotar som håller på att utveckla den markbundna farkosten GroundBot(tm). För att detektera robotens translations- och rotationsrörelser används accelerometrar och hastighetsgyron. Dessutom används sensorerna för tröghetsnavigering när GPS-täckning saknas. Målet med projektet innebär att ta fram en metod för att utvärdera precisionen hos sensorer för robotens tröghetsnavigeringsenhet. Metoden koncentrerar sig på fyra av sensorernas felkällor: Skalfaktor, bias, slumpvandring och biasinstabilitet. För att beräkna skalfaktorn och biasen används linjära minsta kvadratmetoden där utsignalen från sensorn anpassas mot ett teoretiskt värde. Slumpvandringen och biasinstabiliteten utvärderas med Allans varians.

This thesis is a feasibility study of contemporary indoor positioning approaches in an hospital environment using sensor available on Android phones together with Wi-Fi fingerprintingand map information. The purpose is to determine the resolution of pedestrian indoor positioning and whether it is sufficient for room level accuracy. Accurate and robust positioning for outdoor applications based on mobile networks and satellite systems, such as the Global Positioning Service (GPS), has been around for many years. However these systems are not suitable for positioning inside buildings due to a high level of signal degradation. Through the years various pedestrian indoor positioning methods have been proposed.A simple algorithm for suppressing random movement of the mobile phone is tested. Two versions of the Extended Kalman Filter (EKF) are compared for fusing the Inertial Navigation System (INS) measurements during Pedestrian Dead Reckoning (PDR). The TRIAD algorithm is tested for suppressing the effects of large magnetic disturbances. Wi-Fi fingerprinting using two combinations of positioning algorithms and radio maps is tested. The EKF is tested for fusing PDR and Wi-Fi fingerprint position estimations. The Particle Filter (PF) is tested for combining PDR with Wi-Fi fingerprint positioning with a geometrical map. Static Received Signal Strength Indication (RSSI) measurements are carried out to detect variable Wi-Fi transmission power. The results show that adding more informations sources improves the positioning performance. Also fusion using PF outperforms the EKF in more complex indoor environments and movement patterns. / En starkt växande tillgång och kapacitet hos trådlösa nätverk i kombination med explosionen inom mobiltelefoni, i synnerhet vad gäller smartphones, har lett till ett enormt ökat intresse för och utveckling inom området inomhuspositionering. Det har under många år funnits lösningar för positionering i utomhusmiljöer, exempelvis GPS och triangulering med mobila basstationer, men inga av dessa system lämpar sig för inomhuspositionering eftersom signalerna tappar alldeles för mycket i intensitet när användaren befinner sig inomhus. Under årens lopp har flera olika lösningar för inomhuspositionering föreslagits. I denna uppsats testas olika lösningar för inomhuspositionering med smartphones i en sjukhusmiljö. Testen baserar sig på de sensorer som finns i en smartphone med operativsystemet Android i kombination med Wi-Fi triangulering och en digital planlösning över testområdet. Syftet är att undersöka om noggrannheten kan bli såpass så bra att en upplösning på rumsnivå uppnås. En enkel algoritm för att kompensera för slumpartade och oplanerade rörelser hos mobiltelefonen testas.  Två versioner av det utökade Kalmanfiltret testas för tröghetsnavigering. TRIAD algoritmen testas för att motverka magnetiska störningar. Två kombinationer av radiokartor och positioneringsalgoritmer provas för att genomföra Wi-Fi positionering. Ett utökat Kalmanfilter används för att kombinera resultaten av tröghetsnavigeringen med Wi-Fi positioneringen. Ett partikelfilter används för att utföra sensorfusionen av tröghetsnavigeringen, Wi-Fi positioneringen och den digitala planlösningen. Resultaten visar att ju mer information som tillförs under positioneringen desto större blir noggrannheten samt att partikelfiltret ger en bättre noggrannhet i en komplex inomhusmiljö i kombination med komplicerade rörelsemönster än det utökade Kalmanfiltret.

Indoor Positional Navigation (IPN) systems can be used to track the position of tools in factories which is crucial for quality assurance in many manufacturing industries. Inertial navigation is rarely used on its own because of the noisy Inertial Measurement Unit (IMU) sensors which contribute to large drift. Current IPN systems usually involve the installation and calibration of cameras or antennas, so achieving sufficient accuracy with inertial navigation based IPN would be very desirable. This project aims to evaluate an inertial navigation algorithm, based on Zero Velocity Update (ZUPT), for bolt level positioning by repeatability tests using an industrial robot. The ZUPT algorithm, developed at Atlas Copco, manages to effectively reduce drift and achieve moderate accuracy in position for simpler movements. The gravity tracking Kalman filter dictates the systematic errors in position that grow large with increased degree and dimension of rotation. When keeping rotations within 45◦ for a linear movement the absolute error in position is under 10%. Frequent stops are important when moving in a more complex trajectory to be able to negate drift, consequently detecting the start and stop of motion is crucial. The results show that increased frequency will improve accuracy. It is shown that averaging IMU samples before calculations can increase both truthfulness and precision by 10−25%, if sampling the IMU faster than the calculations. The ZUPT approach of inertial navigation will never yield positional results in real time, and the evaluated algorithm only performs well within certain limitations, mainly frequent stops and simple movements. Despite these limitations there is potential in using the algorithm for quality assurance purposes in hand held industrial fasteners. / Kvalitetssäkring är en central fråga för många tillverkningsindustrier, så som flygplans- och bilindustrin, där det är avgörande att varje förband har dragits åt på rätt sätt för att garantera säkerheten i produkten. Moderna fabriker har centrala styrsystem som kommunicerar med maskiner och verktyg, och ifall något blir fel är det vanligt att fabrikslinan stannar vilket blir kostsamt. Inomhuspositionering (IPS) av hög noggrannhet kan spåra vilken åtdragning som blivit fel, vilket dokumenteras och åtgärdas om möjligt senare, utan att stanna fabrikslinan. Dagens noggranna IPS system för kvalitetssäkring kräver installation och kalibrering av kameror och/eller antenner. Tröghetsnavigering kräver i grunden bara billiga sensorer installerade på verktyget men metoden är mycket opålitlig på grund av sensorernas opålitlighet och brus. I detta projekt har en metod för tröghetsnavigering, användandes Zero Velocity Update (ZUPT), evaluerats för kvalitetssäkring av handhållna verktyg genom repetabilitetstester. Tröghetsnavigeringsalgoritmen som tidigare utvecklats på Atlas Copco lyckas på effektivt sätt reducera drift och uppnår rimlig noggranhet för enklare rörelser. För linjära rörelser med rotationer under 45◦ så erhålls ett absolut positionsfel inom 10%. För att fungera väl även för mer komplexa rörelser krävs frekventa stop, och noggrann rörelsedetektion är central. Denna ZUPT-metod kommer aldrig att kunna generera position i realtid och algoritmen presterar väl endast inom vissa begränsningar. Trots detta så finns god potential för metoden inom kvalitetssäkring för handhållna industriverktyg.